Conoscenze e Competenze Attese per i Laureati Magistrali

Valutazione attuale: 0 / 5

Stella inattivaStella inattivaStella inattivaStella inattivaStella inattiva
 

I laureati Magistrali  acquisiscono conoscenze metodologiche e capacità di comprensione come di seguito:

- aspetti teorico-pratici del Machine Learning, con particolare attenzione alle tecniche di Deep Learning

- aspetti teorico-pratici del calcolo scientifico e dei suoi principali strumenti nel campo dell'analisi dei dati, delle simulazioni, delle trasformate funzionali e geometriche 

- i fondamenti della fisica classica e quantistica

- aspetti teorico-pratici dei Big Data di tipo spaziale, parallelo, distribuito e streaming

- strumenti per analizzare, visualizzare, organizzare e comprendere big dati aziendali

- metodologie e tecniche di Machine Learning per l'analisi e l'elaborazione di dati Multimediali

- aspetti teorico-pratici dei sistemi High Performance Computing e del Cloud Computing per big data.

Gli obiettivi di apprendimento attesi dal laureato magistrale riguarderanno la conoscenza e la comprensione dei seguenti argomenti:
- gli aspetti teorici e pratici alla base dei problemi di classificazione e clustering in pattern recognition, con particolare attenzione all'apprendimento automatizzato ed estrazione di informazione da dati.
- analisi e comprensione di immagini e video (geometria della formazione dellimmagine, ricostruzione 3D da multi-vista, tracking bayesiano e by detection, rappresentazione hand-crafted e deep di immagini e video, tecniche di comprensione di immagini e video)
- le metofdologie e gli strumenti del calcolo scientifico per il machine learning e l'analisi di big data.
- i principi base della fisica quantistica, del teletrasporto e del computer quantistico.
- basi di dati spaziali, NoSQL, NewSQL, parallele, distribuite e per la gestione di dati sensore
- gestione di Basi di Dati relazionali, immaginando ed implementando funzionalità evolute e padroneggiando il linguaggio PL/SQL e i rudimenti di JSP.
- comprensione del ruolo dei sistemi informativi aziendali e degli strumenti per analizzare, visualizzare, organizzare e comprendere i dati aziendali
- nuove metodologie e tecniche di sviluppo di software basate sul linguaggio Java e/o Python per l'analisi e l'elaborazione di dati Multimediali.
- gli aspetti teorico-pratici dei sistemi operativi distribuiti, i possibili limiti che tali aspetti inducono sui servizi che essi offrono, con particolare riguardo ai moderni paradigmi di programmazione, ambienti di sviluppo e strumenti SW, necessari per lo sviluppo di efficienti applicazioni distribuite.

I laureati magistrali acquisiscono, anche attraverso una vasta e articolata attività di laboratorio e la collaborazione con laboratori di ricerca e aziende, una capacità di comprensione, di interazione e di risoluzione di problemi applicativi che provengono da ambiti scientifici e tecnologici diversificati. I laureati sono in grado di applicare in modo critico e consapevole le metodologie e gli strumenti dell'Informatica Applicata e di analizzare oggettivamente e quantitativamente le soluzioni che propongono e sviluppano.

I laureati acquisiscono una capacità di comprensione, di interazione e di risoluzione di problemi applicativi in diversi ambiti, in particolare volta a:

- Progettare e sviluppare programmi di vari livelli di complessità usando TensorFlow, Torch, Caffe, Python, J2EE, Swift

- Utilizzare strumenti e tecniche di calcolo, ad esempio strumenti di sviluppo software.

- Analizzare i problemi relativi all'elaborazione e all'informatica e individuare soluzioni per loro.

- Realizzare presentazioni tecniche.

- Cogliere le esigenze degli utenti finali e le questioni relative alla progettazione, alla gestione e alle prestazioni di software su larga scala.

- Effettuare ricerche letterarie dettagliate.

- Condurre ricerche approfondite su strumenti e tecnologie disponibili online.

- Abbinare i problemi con gli strumenti e le tecniche più adatte a risolverli.

- Analizzare e validare i risultati ottenuti dagli strumenti software, e più in generale dai sistemi, sviluppati per la risoluzione di un problema.

- Sviluppare una comprensione e una pratica di argomenti di calcolo più avanzati, tra cui deep learning, machine learning, audio e video analisi e internet of things.

- capacità di uso di sistemi HPC, incluso il GPGPU computing e di Cloud Computing in applicazioni di Machine Learning e gestione e analsi di Big Data.

- Pianificare, condurre e scrivere un programma di sviluppo del software da realizzare in team.

- Pianificare, condurre e redigere un semplice programma di ricerca.